Few-Shot Learning
Few-Shot Learning ermöglicht KI-Modellen, neue Konzepte oder Klassen mit nur wenigen Trainingsbeispielen zu lernen. Dies ist besonders nützlich in Szenarien mit begrenzten Datenressourcen.
Kategorie: Training, Daten & Fine-Tuning
Beim Few-Shot Learning wird ein Modell so trainiert, dass es die Fähigkeit entwickelt, aus einer sehr kleinen Anzahl von Beispielen (typischerweise 1 bis 5) zu generalisieren. Oft wird dies durch Meta-Learning oder Transferlernen erreicht, wobei das Modell auf einer großen Menge von Aufgaben vortrainiert wird, um allgemeine Lernfähigkeiten zu erwerben, die dann auf neue, datenarme Aufgaben übertragen werden können.
Synonyme / Tags
- Wenig-Beispiel-Lernen
- FSL
- Small Data Learning
Die ganze Definition im Member Hub braucht ein kostenloses Konto.